Analýza dat ze systémů pro chytrou domácnost
Diplomová práce
Studijní program: N2612 – Elektrotechnika a informatika Studijní obor: 1802T007 – Informační technologie
Autor práce: Bc. Vladimír Nevyhoštěný Vedoucí práce: doc. Ing. Otto Severýn, Ph.D.
Zadání diplomové práce
Analýza dat ze systémů pro chytrou domácnost
Jméno a příjmení: Bc. Vladimír Nevyhoštěný Osobní číslo: M17000134
Studijní program: N2612 Elektrotechnika a informatika Studijní obor: Informační technologie
Zadávající katedra: Ústav mechatroniky a technické informatiky Akademický rok: 2019/2020
Zásady pro vypracování:
1. Seznamte se s architekturou a funkcí zabezpečovacích systémů a systémů pro chytrou domácnost firmy Jablotron a daty těmito systémy produkovanými.
2. Proveďte analýzu reálných anonymizovaných dat systémů firmy Jablotron nástroji data-miningu (např. hledání vzorů chování uživatelů, vyhodnocení falešných poplachů atp.).
3. Na základě výsledků analýz bodu 2. navrhněte možná zlepšení systémů (např. optimalizace vytápění, automatizace rutinních činností atp.)
Rozsah grafických prací: dle potřeby dokumentace Rozsah pracovní zprávy: 40–50 stran
Forma zpracování práce: tištěná/elektronická
Jazyk práce: Čeština
Seznam odborné literatury:
[1] GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. Cambridge, Massachusetts: The MIT Press, [2016]. ISBN 978-026-2035-613.
[2] SILVER, Nate. The signal and the noise: why so many predictions fail–but some don’t. New York:
Penguin Press, 2012. ISBN 978-159-4204-111.
[3] Firemní dokumentace systémů firmy Jablotron a.s.
Vedoucí práce: doc. Ing. Otto Severýn, Ph.D.
Ústav mechatroniky a technické informatiky
Datum zadání práce: 10. října 2019 Předpokládaný termín odevzdání: 18. května 2020
prof. Ing. Zdeněk Plíva, Ph.D.
děkan
L.S.
doc. Ing. Milan Kolář, CSc.
vedoucí ústavu
Prohlášení
Byl jsem seznámen s tím, že na mou diplomovou práci se plně vztahuje zákon č. 121/2000 Sb., o právu autorském, zejména § 60 – školní dílo.
Beru na vědomí, že Technická univerzita v Liberci (TUL) nezasahu- je do mých autorských práv užitím mé diplomové práce pro vnitřní potřebu TUL.
Užiji-li diplomovou práci nebo poskytnu-li licenci k jejímu využi- tí, jsem si vědom povinnosti informovat o této skutečnosti TUL;
v tomto případě má TUL právo ode mne požadovat úhradu nákla- dů, které vynaložila na vytvoření díla, až do jejich skutečné výše.
Diplomovou práci jsem vypracoval samostatně s použitím uvedené literatury a na základě konzultací s vedoucím mé diplomové práce a konzultantem.
Současně čestně prohlašuji, že texty tištěné verze práce a elektro- nické verze práce vložené do IS STAG se shodují.
28. 5. 2020 Bc. Vladimír Nevyhoštěný
Analýza dat ze systémů pro chytrou domác- nost
Abstrakt
Tato diplomová práce se zabývá analýzou dat produkovaných systé- mem pro zabezpečení a chytrou domácnosti společnosti Jablotron.
V první části práce je popsána architektura systému a dat, které systém produkuje. Dále je popsán způsob anonymizace dat a jejich příprava pro následnou analýzu. V analytické části práce jsou na- vrženy a popsány metody pro detekci falešných poplachů, hledání vzorů v chování uživatele a následný návrh možné automatizace.
U metod je popsán způsob jejich použití a vyhodnocení.
V rámci praktické části diplomové práce byl vytvořen R balíček alarmanalysis, kde jsou jednotlivé metody implementované.
Klíčová slova
Jazyk R, analýza dat, Jablotron, falešné poplachy, chování uživa- tele, návrh automatizace
Analysis of data produced by smart-home systems
Abstract
This diploma thesis deals with analysis of data produced by secu- rity and smart-home system of Jablotron company. The first part of this thesis is describes architecture of the system. Also there is description of produced data their anonymization. Then there is proposal of analysis method for detection of fake alarms, detecti- on of pattern in user interactions and automatization suggestion.
For each method is also described the usage and evaluation.
There is R package called alarmanalysis that has been created where are analysis methods implemented.
Keywords
Language R, data analysis, Jablotron, fake alarms, user interacti- ons, automatization suggestion
Poděkování
Děkuji vedoucímu práce doc. Ing. Ottovi Severýnovi, Ph.D. za me- todické vedení a jeho cenné rady během tvorby této práce. Rovněž děkuji Lukášovi Červenkovi ze společnosti Jablotron, který mi po- máhal s pochopením struktury celého systému.
Především bych chtěl poděkovat své přítelkyni a mamince, bez kte- rých bych tuto práci jen těžko zvládnul.
Obsah
Seznam zkratek . . . 11
1 Systém pro chytrou domácnost Jablotron 13 1.1 JABLOTRON 100 . . . 13
1.1.1 PIR deketory pohybu . . . 14
1.1.2 Plášťové detektory . . . 14
1.1.3 Enviromentální detektory . . . 14
1.1.4 Kamery . . . 15
2 Anonymizace dat 16 2.1 Osobní údaj . . . 16
2.2 Pojmy správce, zpracovatel a příjemce . . . 18
2.3 Metody anonymizace . . . 18
2.3.1 Maskování dat . . . 19
2.3.2 Pseudoanonymizace dat . . . 20
2.3.3 Generalizace dat . . . 21
2.3.4 Anonymizace pomocí náhodných hodnot . . . 22
3 Popis dat 23 3.1 Pojmy v popisu dat . . . 24
3.2 Časová řada událostí . . . 25
3.2.1 Události zabezpečení . . . 25
3.2.2 Události programovatelných výstupních obvodů . . . 26
3.2.3 Anonymizace časové řady . . . 26
4 Analýza dat 29
4.1 Detekce falešných poplachů . . . 29
4.1.1 Popis problému . . . 29
4.1.2 Navržené řešení . . . 29
4.1.3 Vyhodnocení . . . 31
4.1.4 Použití dat z pulzmetrů při detekci . . . 32
4.2 Hledání vzorů v chování uživatele . . . 33
4.2.1 Popis problému . . . 33
4.2.2 Navržené řešení . . . 34
4.2.3 Vyhodnocení . . . 39
5 R balíček alarmanalysis 41 5.1 Instalace . . . 41
5.2 Struktura balíčku . . . 41
5.3 Metadata balíčku . . . 43
5.4 Dokumentace balíčku . . . 43
5.5 Testování balíčku . . . 43
5.6 Funkční prvky balíčku . . . 44
5.6.1 Anonymizace dat . . . 44
5.6.2 Detekce falešných poplachů . . . 44
5.6.3 Hledání vzorů v chování uživatele . . . 45
6 Závěr 47
Literatura 48
Příloha A - Technická specifikace balíčku alarmanalysis 51
Seznam obrázků
1.1 Systém JABLOTRON 100 . . . 14
3.1 Histogram frekvence událostí . . . 24
3.2 Vývoj pulzů . . . 28
4.1 Detekce falešného poplachu . . . 30
4.2 Vývoj počtu detekovaných falešných poplachů v závislosti na para- metru t . . . 31
4.3 Vývoj růstu součtů pulzů. . . 33
4.4 Diagram procesu přípravy dat pro analýzu chování uživatele . . . 34
4.5 Autokorelační funkce atributu action_section_number . . . 36
4.6 Vizualizace událostí metodou plot_events_time_line_around_armed 37 4.7 Rozdělení událostí do sekvencí . . . 38
4.8 Diagram procesu navrženého algoritmu pro hledání vzorů v chování uživatele. . . 39
Seznam tabulek
2.1 Ukázka maskování dat . . . 19
2.2 Ukázka pseudonanonymizace . . . 20
2.3 Ukázka generalizace věku . . . 21
2.4 Ukázka geografické generalizace . . . 21
2.5 Ukázka generalizace času zaokrouhlením . . . 22
3.1 Datový model události zabezpečení . . . 25
3.2 Datový model události zabezpečení . . . 27
4.1 Názorný vzorek vstupních dat pro analýzu chování uživatele . . . 35
4.2 Připravený vzorek dat pro analýzu chování uživatele. . . 35
4.3 Matice vzdáleností Manhattanské metriky . . . 39
4.4 Navržená automatizace . . . 40
Seznam zkratek
IoT Internet of Things
CRAN The Comprehensive R Archive Network RDBS Relační databázový systém
GDPR General Data Protection Regulation ONOOÚ Obecné nařízení o ochraně osobních údajů DPPC Dohledové a poplachové přijímací centrum IDE Vývojové prostředí
CSV Comma Separated Values PDF Portable Document Format
Úvod
V současnosti dochází k velkém rozmachu chytrých domácností a internetu věcí (IoT). Většina komponent těchto systémů, jako jsou například termostaty, čidla apod., generují data, která nesou zajímavé informace, avšak není pravidlem, že do- chází k jejich využití. Přitom informace vydolované z těchto dat mohou vést k lep- šímu pochopení, jak koncový uživatel systém používá, a výrobci tak pomoct konti- nuálně systém optimalizovat.
Zdrojem dat analyzovaných v rámci této práce je systém JABLOTRON 100.
Prvním cílem práce bylo seznámení se se systémem samotným a s daty, které pro- dukuje. Systému JABLOTRON 100 je věnována první kapitola, kde jsou popsa- né jeho základní vlastnosti a skupiny komponent, které jsou potenciálním zdrojem dat. Protože je nutné data před analýzou anonymizovat, bylo zapotřebí se seznámit s metodami anonymizace. Tomu je věnována druhá kapitola. Ve třetí kapitole jsou popsána data, která byla použita při analýze, a jakým způsobem byla anonymizo- vána.
Dalším cílem bylo navrhnout a implementovat možné analýzy dat. První z nich je detekce falešných poplachů, tedy poplachů, které jsou způsobeny například špatným použitím systému či chybnou montáží. Další analýzou je hledání vzorů v chování uži- vatele. Velmi často se stává, že uživatel používá systém pro chytrou domácnost každý den velmi podobně. Například každé ráno před odchodem do práce uživatel vypne vytápění, stáhne rolety a zajistí dům. Analýza by měla tyto pravidelnosti odhalit a navrhnout příslušnou automatizaci. Poslední analýzou je dolování informací o spo- třebě energií z dat naměřených pulzmetry. U každé metody je popsán způsob použití a její možný přínos. Implementace metod je zdokumentována v rámci páté kapitoly.
1 Systém pro chytrou domácnost Jablotron
Jablotron Group [1] je skupina technologických společností. Do této skupiny pat- ří společnost JABLOTRON ALARMS a.s. [2], která se zabývá vývojem alarmů a systémů pro chytrou domácnost. Tyto systémy zahrnují řadu zařízení, která tvoří internet věcí (nebo také IoT). Vývoj a provoz celé IoT platformy je doménou spo- lečnosti JABLOTRON CLOUD Services s.r.o. [3]. V současnosti je v nabídce systém JABLOTRON 80 a JABLOTRON 100, kterému je věnována následující sek- ce.
1.1 JABLOTRON 100
V roce 2012 přinesla skupina Jablotron na trh systém JABLOTRON 100. Systém, který je evolucí staršího systému JABLOTRON 80, je revoluční v jednoduchosti svého ovládání a napojením na cloud. Právě díky interakci s cloudem je možné systém ovládat skrze mobilní či webovou aplikaci MyJABLOTRON. Neslouží pouze jako elektronický zabezpečovací systém, ale lze pomocí něj ovládat i další spotřebiče, jako třeba rolety či světla.
Základní komponentou celého systému je řídící jednotka, která se stará o chod systému a komunikaci s dalším příslušenstvím. Systém umožňuje připojit drátově i bezdrátově velkou škálu příslušenství (periferií), a proto budou dále popsána jen ta zařízení, která jsou schopna generovat data, jako například: detektory, kamery či termostaty.
Obrázek 1.1: Kompenenty systému JABLOTRON 100. [2]
1.1.1 PIR deketory pohybu
Pasivní infračervené čidlo (PIR čidlo) je běžně použito jako detektor pohybu a je základní komponentou zabezpečovacích systémů. Jablotron má v nabídce i detektory pohybu doplněné o další technologie, jako například kamerový modul pro verifikaci alarmu spuštěného pohybem. Pohybové detektory mohou zabírat celý prostor nebo mohou fungovat ve smyslu optické závory.
1.1.2 Plášťové detektory
Do této skupiny patří detektory, které detekují vniknutí do hlídaného objektu z ven- čí. Patří sem detektory rozbití oken, detektory pohybu s okny a dveřmi, ale i detek- tory pohybu a náklonu s vnějšími roletami.
1.1.3 Enviromentální detektory
Další skupinu tvoří detektory snímající různé veličiny prostředí, ve kterém se nachá- zejí. Mezi ně patří termostaty, detektory kouře a zvýšené teploty, detektory škodli-
vých plynů či záplavové čidlo.
Pulzmetry
Speciální skupinu tvoří pulzmetry umožňující napojení na různá další zařízení, kte- rá generují pulzy. Nejčastěji se pulzmetr používá pro sledování spotřeby elektrické energie po napojení na elektroměr.
1.1.4 Kamery
Poslední pomyslnou skupinou periferií jsou různé typy kamer. Veškerá doposud zmí- něná zařízení produkují data charakteru časové řady. V určitý časový úsek se akti- vuje detektor a vyvolá danou událost. Kamery navíc poskytují audiovizuální data, která lze právě v kombinaci s časovými řadami dále analyzovat a vyhodnocovat.
2 Anonymizace dat
Anonymizace dat je proces, při kterém dochází k nenávratnému odebrání informa- cí, které by mohly vést k určení konkrétní osoby. Tento proces se používá, pokud subjekt, který shromažďuje data obsahující citlivé informace, potřebuje tyto data poskytnout třetí straně a nemá souhlas vlastníků citlivých informací. Příkladem je i tato diplomová práce, proto před použitím jakýchkoliv dat pro analýzu bylo nutné je nejprve anonymizovat.
2.1 Osobní údaj
V roce 2018, 25. května vešlo v platnost Obecné nařízení o ochraně osobních údajů [4] známé také pod zkratkou ONOOÚ či GDPR. Nařízení definuje pravidla pro uchovávání a zpracování osobních údajů. V českém znění článku 4, odstavci 1 je osobní údaj definován jako:
„Osobními údaji veškeré informace o identifikované nebo identifikovatelné fy- zické osobě (dále jen „subjekt údajů“); identifikovatelnou fyzickou osobou je fyzická osoba, kterou lze přímo či nepřímo identifikovat, zejména odkazem na určitý identifi- kátor, například jméno, identifikační číslo, lokační údaje, síťový identifikátor nebo na jeden či více zvláštních prvků fyzické, fyziologické, genetické, psychické, ekonomické, kulturní nebo společenské identity této fyzické osoby;“ [4] [čl. 4 odst. 1]
Osobní údaj lze tedy chápat jako informaci, která vede přímo, ale i nepřímo, k identifikování konkrétní fyzické osoby. Za osobní údaj lze považovat i zcela ná- hodné identifikační číslo, ke kterému je pořízení audiovizuální záznam, například při průchodu bránou s identifikační kartou.
Mezi osobní údaje patří například:
• jméno
• adresa
• věk
• pohlaví
• rodné číslo
• mzda
• IP adresa
• e-mailová adresa
• číslo občanského průkazu
Podmnožinu osobních údajů tvoří zvláštní nebo také citlivé osobní údaje. Jsou to údaje, které mohou subjekt poškodit ve společnosti či vést k projevům nenávisti. Až na výjimky je zakázáno tyto údaje zpracovávat.
Mezi citlivé osobní údaje patří například:
• rasový či etnický původ
• politický názor
• náboženské vyznání
• biometrické údaje
• genetické údaje
2.2 Pojmy správce, zpracovatel a příjemce
Je třeba definovat ještě další pojmy. Správce je v článku 4 odstavci 7 definován jako:
„fyzická nebo právnická osoba, orgán veřejné moci, agentura nebo jiný subjekt, který sám nebo společně s jinými určuje účely a prostředky zpracování osobních údajů.“ [4] [čl. 4 odst. 7]
Zpracovatel potom v témže článku odstavci 8 jako:
„fyzická nebo právnická osoba, orgán veřejné moci, agentura nebo jiný subjekt, který zpracovává osobní údaje pro správce.“ [4] [čl. 4 odst. 8]
A na závěr příjmence v odstavci 9 jako:
„fyzická nebo právnická osoba, orgán veřejné moci, agentura nebo jiný subjekt, kterým jsou osobní údaje poskytnuty, ať už se jedná o třetí stranu, či nikoli.“ [4]
[čl. 4 odst. 9]
V případě této diplomové práce je správcem společnost JABLOTRON ALA- RAMS a.s., zpracovatelem JABLOTRON CLOUD Services s.r.o.. Moje oso- ba je příjemcem.
2.3 Metody anonymizace
Je definováno několik metod, pomocí kterých se anonymizují data. Každá metoda má svá specifika, a tak je nutné brát v úvahu jejich vlastnosti. Je vhodné uvážit i ná- sledné použití anonymizovaných dat, aby nedošlo k tomu, že po anonymizaci ztratí data potřebný význam. Tyto metody budou dále popsány a u každé metody bude názorná ukázka. Výchozí data pro ukázky mají strukturu tubulky, nicméně metody lze aplikovat i na další struktury (např.: grafy). Detailně jsou techniky anonymizace popsány ve stanovisku č. 5/2014 k technikám anonymizace [5].
Tyto anonymizační metody lze implementovat pomocí běžných programovacích jazyků. Existují i další možnosti, jak provést anonymizaci. Pokud uvažujeme, že data, která chceme anonymizovat jsou uložena v databázi, tak je možné provádět
anonymizaci už na úrovni dotazů RDBS. Některé databázové systémy mohou dispo- novat možností vytvářet pohledy, a tak lze vytvořit pohled, který bude obsahovat anonymizovaná data. Tyto anonymizované dotazy mohou mít však negativní dopad, z důvodu své složitosti na vytížení databázového systému.
Dále také existují softwarová řešení zaměřená na anonymizaci dat. Jedním z nich je ARX Data Anonymization Tool [6] v podobě aplikace s grafickým rozhraním či Java knihovnou. Jedná se o open source software a podporuje importování dat z CSV souborů, ale i relačních databází jako MySQL, MS SQL a PostgreSQL. Dalším nástrojem může být sdcMicro [7], což je R balíček určený pro anonymizaci dat.
Balíček disponuje grafickým rozhraním vytvořeným pomocí technologie Shiny, které usnadňuje práci s tímto balíčkem.
2.3.1 Maskování dat
Maskování je jednoduchá a účinná metoda, jak anonymizovat data. Jedná se o na- hrazení hodnoty univerzální maskovací hodnotou. V případě dat ve formě řetězce lze měnit hodnoty, které chceme skrýt maskovacím znakem, třeba # či *. Metodu však lze aplikovat i na vizuální data, kdy můžeme například rozmazat obraz v místě re- gistrační značky snímaného automobilu. Rozsah maskování je třeba zvážit vzhledem k použití dat.
Původní data
Subjekt Datum narození Subjekt 1 09/02/1990 Subjekt 2 10/05/1995 Subjekt 3 24/12/1996
Anonymizovaná data
Subjekt Datum narození Subjekt 1 **/**/1990 Subjekt 2 **/**/1995 Subjekt 3 **/**/1996
Tabulka 2.1: V tomto případě dojde k zamaskování dne a měsíce v datumu, protože pro výsledné zpracovaní není tato informace podstatná. Je zde patrné, že je nutné znát kontext použití anonymizovaných dat.
2.3.2 Pseudoanonymizace dat
Jedná se o proces, kdy dojde k zaměnění jednoho údaje či skupiny údajů (jméno, příjmení, aj.), které by mohly vést k identifikaci subjektu. Bývají zaměněny zpravidla za hodnotu (pseudonym) bez přesného významu, jako například náhodné číslo nebo hash. Jedná se o velmi často využívanou metodu správci dat, protože je možné poskytnout zpracovatelům osobní údaje bez nutnosti další modifikace.
Pseudoanonymizace je narozdíl od běžné anonymizace vratný proces v momen- tě, kdy je znám způsob mapování identifikačních údajů na pseudonym. Mnohdy se totiž pseudoanonymizace provádí tak, že dojde k rozdělení identifikačních údajů a dalších citlivých údajů a identifikační údaje jsou nahrazeny pseudonymy. Pokud jsou známy oba soubory, je možné je spojit zpět a identifikovat tak subjekt. Po- kud pro vytvoření pseudonymu byla použita některá hashovací funkce (např.: md5) a je opět známý soubor identifikačních údajů, je možné opět zpětně spojit citlivé a identifikační údaje. Tomu lze částečně zamezit použitím dostatečné soli na vstupu hashovací funkce.
Původní data
Jméno Příjmení Rok narození Váha Výška
Jan Novák 1990 102 201
Adam Krátký 1995 72 180
Jaroslav Mikeš 1996 81 176
Anonymizovaná data
Subjekt Rok narození Váha Výška
35663 1990 102 201
78593 1995 72 180
99905 1996 81 176
Tabulka 2.2: Ukázka pseudoanonymizace, kdy identifikační údaje Jméno a Příjmení byly nahrazeny za pseudonym náhodného čísla.
2.3.3 Generalizace dat
Generalizace funguje na principu odstranění konkrétních hodnot a nahrazením hod- not více obecných. Příkladem může být věk, kdy konkrétní rok je nahrazen rozmezím.
Konkrétně může být hodnota věku 18 let nahrazena za 10 až 20 let. Generalizace mů- že mít několik forem a úrovní, a tak můžeme věk 18 let dále převést i na nečíselnou hodnotu dospělost.
18 15-20 10-30 / dospělost
10-60 23 20-25
43 40-45 40-60 / střední věk 52 50-55
Tabulka 2.3: Ukázka generalizace věku.
Liberec
Okres Liberec
Liberecký kraj Frýdlant ČR
Semily Okres Semily
Ústí nad Labem Okres Ústí nad Labem Ústecký kraj Tabulka 2.4: Ukázka geografické generalizace.
Anonymizovat data lze například i zaokrouhlením, což je vhodné například pro ča- sové záznamy.
Původní data
Jméno Příjmení Čas průchodu
Jan Novák 15:34:12
Adam Krátký 15:45:01 Jaroslav Mikeš 15:57:22 Anonymizovaná data
Jméno Příjmení Čas průchodu
Jan Novák 15:30:00
Adam Krátký 16:00:00 Jaroslav Mikeš 16:00:00
Tabulka 2.5: Ukázka generalizace času zaokrouhlením. Časový záznam je zaokrouh- len na nejbližší celou hodinu nebo půlhodinu.
2.3.4 Anonymizace pomocí náhodných hodnot
Další možností, jak změnit hodnotu citlivého osobního údaje je přiřadit mu jinou náhodnou hodnotu. Toho lze docílit několika způsoby. Například permutací jednotli- vých znaků v řetězci, nebo dokonce permutací atributů v souboru dat. Tyto operace mají však za následek snížení srozumitelnosti a autenticity anonymizovaného sou- boru dat. Řešením toho problému může být ve využití některé z mnoha dostupných databází náhodných, avšak realisticky vypadajících dat. Jednou z nich je například Mockaroo [8], která disponuje náhodnými údaji o osobách, dopravě aj. V jazyce R lze využít balíčků jako generator [9] nebo randNames [10], které umí generovat sady náhodných dat.
3 Popis dat
V sekciJABLOTRON 100je systém pro chytrou domácnost a jednotlivé komponen- ty tohoto systému. Protože je celý systém IoT, jsou komponenty zdrojem velkého množství dat. V této kapitole budou popsána data, která byla použita při řešení této práce. Data jsou uložena v relační databázi, nicméně pro tuto diplomovou práci jsou zdrojem dat pohledy nad tabulkami.
Celkových počet všech aktivních instalací systému, které produkují data do clou- du, se pohybuje okolo 230 tisíc instalací umístěných v desítkách zemí. Data nebyla nikterak časově omezená, nicméně byla použita data z let 2020, 2019 a 2018.
Zásadním, a z pohledu analýz, velmi zajímavým souborem dat je časová řada událostí. Tato časová řada zachycuje informace o událostech v rámci chytré do- mácnosti, jako například aktivace (zajištění) a deaktivace (odjištění) zabezpečení objektu či vyvolání poplachu. V čase vytváření této práce se počet záznamů udá- lostí pohybuje v řádech miliard. Vzhledem k velkému objemu jsou data časové řady analyzována v částech (dny, týdny apod.). Případně se filtrují záznamy konkrétní lokace.
Obrázek 3.1: Histogram popisující frekvenci událostí v průběhu dne. Záměrně nejsou v histogramu uvedené konkrétní počty, ale je z něj zřejmé, že nejvíce událostí se odehrává mezi 6. a 8. hodinou ranní, kdy dochází pravidelně k zajištění či odjištění objektů. Naopak nejmenší aktivita je v nočních hodinách.
3.1 Pojmy v popisu dat
Při popisu dat jsou použity některé pojmy, které je třeba definovat.
• Lokace je konkrétní instalace systému JABLOTRON 100. Jedná se tedy na- příklad o konkrétní instanci chytré domácnosti.
• Sekce je konkrétní část lokace. Lokaci lze rozpadnout na více sekcí. Sekce může například představovat jedno patro.
3.2 Časová řada událostí
Časová řada událostí, které systém zaznamenává je základní sadou dat pro další výpočty. Každou událost lze rozlišit podle typu události. Dále má každá událost časovou známku, ve které se udála s rozlišením jedné sekundy. Data mohou být popsána následující tabulkou:
Název Typ Popis
Location String Identifikátor lokace Section String Identifikátor sekce Time DateTime Čas události
LocationTime DateTime Čas události lokace Action String Typ události
Sender String Identifikátor entity, která událost vyvolala SenderRole String Role entity
Tabulka 3.1: Datový model události zabezpečení
3.2.1 Události zabezpečení
Události týkající se zabezpečení mohou být následujícího typu (pole Action):
• AlarmCanceled - odvolání alarmu
• Armed - zabezpečeno
• ArmedPartially - částečně zabezpečeno (např.: pouze jedna sekce)
• ArmedRemotely - zabezpečeno vzdáleně (např.: skrze mobilní aplikaci)
• ArmedPartiallyRemotely - částečně zabezpečeno vzdáleně
• Disarmed - zabezpečení deaktivováno
• DisarmedRemotely - zabezpečení deaktivováno vzdáleně
3.2.2 Události programovatelných výstupních obvodů
Centrální jednotka chytré domácnosti umožňuje připojení takzvaných programova- telných výstupních obvodů. Může se jednat o fyzické zařízení, zpravidla relé, které je spínáno dle nastavené logiky, jako například: jednotkový impuls, jednotkový skok, nastavení hodnoty po určitou dobu aj. Programovatelný výstup může být také pouze logický (virtuální) a na základě stavu systému vyvolat další akce.
Data mají stejnou strukturu jako 3.1. Události v časové řadě popisující pro- gramovatelné výstupní obvody jsou dvojího typu (pole Action): PgOn a PgOff.
Konkrétní reakce na danou událost je otázkou implementace konkrétní lokace a není součástí dat. Díky tomu je systém poměrně variabilní.
Událost programovatelného výstupního obvodu je vždy vztažená ke konkrétní sekci. Z pohledu analýzy mají tedy význam kombinace sekcí a typ (PgOn, PgOff) v čase.
3.2.3 Anonymizace časové řady
Data časové řady byla anonymizována následujícím způsobem:
• Location - ačkoliv nemá z pohledu analýz hodnota příliš význam, protože je použita pouze pro rozlišení lokací, byla použita pseudoanonymizace přidělením náhodné adresy.
• Section - rovněž není hodnota důležitá z pohledu analýz, a tak byla anony- mizována hashovací funkcí.
• Time - časová známka událostí je pro analýzu velmi důležitá. Jelikož má vý- znam, jak přesný čas v rámci dne, ale i datum, nebylo možné použít například posunutí v čase a hodnota tedy nebyla anonymizována.
• LocationTime - Stejné jako u pole Time.
• Action - typ události nelze anonymizovat, aby nedošlo ke ztrátě informace.
• Sender - i zde je účel pole pouze rozlišení uživatelů. Pro ilustraci však byla použita anonymizaci předělením náhodného jména.
• Section - role uživatele nelze anonymizovat, aby nedošlo ke ztrátě informace.
3.3 Časová řada hodnot pulzmetrů
Dalším souborem dat je časová řada hodnot naměřených pulzmetry. Data popisují chování systému, z pohledu spotřeby energií, jako například elektrická energie či vody. Pulzmetry fungují tak, že sčítají pulzy a v určitých intervalech součet odesí- lají do cloudu. Interval bývá zpravidla v řádech minut, nicméně nemusí být vždy konzistentní. Časovou řadu lze popsat následující tabulkou:
Název Typ Popis
Location String Identifikátor lokace Time DateTime Čas události
ComponentId Integer Identifikátor pulzmetru
Input Integer Slouží pro rozlišení vysokého a nízkého tarifu
Value Integer Hodnota
Tabulka 3.2: Datový model události zabezpečení
Cloud součet pulzů z pulzmetrů zpracovává tak, že příchozí součet z pulzmetru přičte k poslednímu součtu. Hodnota pole Value má tak podobu rostoucí posloupnosti.
Pole Input rozlišuje vysoký a nízký tarif, přičemž pulzmetr sčítá hodnoty pro oba tarify.
Obrázek 3.2: Vývoj pulzů v průběhu týdne. Na ose x je čas a osa y značí bezrozměrný součet pulzů. Na grafu je možné pozorovat zpomalení růstu v průběhu noci.
4 Analýza dat
V této kapitole budou popsány provedené analýzy na datech a jejich výsledky.
4.1 Detekce falešných poplachů
4.1.1 Popis problému
Základní a přirozenou funkcí každého zabezpečovacího systému je vyvolání poplachu v momentě, kdy dojde k narušení zabezpečeného objektu. Poplach může informovat uživatele či přímo kontaktovat pult centrální ochrany. Mnohdy se stává, že vyvolaný poplach je falešný, tedy takový poplach, při kterém reálně nehrozí žádné nebezpe- čí. Příčin vzniku falešného poplachu je několik. Může jej vyvolat samotný uživatel (vlastník objektu) špatnou manipulací, nebo poplach může způsobit špatná instalace systému, respektive komponent. Falešné poplachy jsou nepříjemné pro samotného uživatele, ale mohou způsobit i zbytečný výjezd zásahové jednotky pultu centrální ochrany.
4.1.2 Navržené řešení
V datech (viz3.2) není ani částečně informace o tom, zda je poplach falešný či nikoliv, a tak úplně chybí data, na kterých lze učit nějaký algoritmus. Falešný poplach má tu vlastnost, že v brzké době po jeho vyvolání dojde uživatelem k jeho zrušení. Detekce je založena na tomto předpokladu.
Čas Poplach
t0
Odvolání poplachu
t1
t
Obrázek 4.1: Detekce falešného poplachu
Uvažujeme, že poplach nastane v čase t0, odvolání poplachu pak v čase t1, vstupní parametr t platí, že:
t, t0, t1 > 0 (4.1)
Pak pokud
t≥ t1 − t0 (4.2)
je poplach v čase t0 považován za falešný.
Kromě samotných dat je jediným vstupním parametrem funkce parametr t. Do- hledová a poplachová přijímací centra (dále jen DPPC) mají na základě normy ČSN EN 50518-2 [11] povinnost zareagovat na tísňový poplach do třiceti sekund.
Pokud je předpoklad, že falešný poplach je ten, kterým se ještě nezabývá DPPC, pak třiceti sekund může být výchozí hodnota parametru t. Toto tvrzení je možné také podložit grafem4.2, kde je možné pozorovat, že při hodnotě t třiceti sekund dochází k zpomalení růstu počtu detekovaných poplachů. Při hodnotě t šedesáti sekund, už pak počet detekovaných falešných poplachů téměř neroste.
Obrázek 4.2: Vývoj počtu detekovaných falešných poplachů v závislosti na parame- tru t. Na datech byla provedena detekce falešných poplachů, přičemž parametr t postupně nabýval hodnot {1, 2, ..., 60} (sekundy). Body znamenají počet falešných poplachů na hodnotě t a červená křivka představuje křivku růstu.
4.1.3 Vyhodnocení
Výsledkem výše popsané metody je tedy seznam poplachů, které jsou vyhodnocené jako falešné a seznam zbylých poplachů. Takto detekované falešné poplachy lze na- příklad použít pro servis. Detekce může identifikovat komponentu zabezpečovacího systému, která vyvolává falešné poplachy. Zvýšené množství falešných poplachů mů- že znamenat závadu komponenty, ale také její špatnou instalaci. Případ užití může být teda takový, že montážní firma využije metodu, jako zpětnou analýzu systému
ká na jeho odvolání, nelze metodu použít pro detekci v reálném čase. Zároveň nelze u této metody zaručit 100% úspěšnost, a tak není vhodné, z podstaty problematiky zabezpečení objektů, metodu použít pro predikci.
Úspěšnost této metody lze určit tak, že se aplikuje na data, která obsahují popla- chy, které jsou falešné. Úspěšnost pak bude rovna poměru celkovému počtu falešných poplachů k počtu těch detekovaných. Možným řešením je, vytvořit mechanismus, pomocí kterého by uživatel mohl zanést informaci, že právě vyvolaný poplach byl falešný. Pokud by tímto způsobem, alespoň část uživatelů spolupracovala, bylo by možné získat učící data, která by vedla k optimalizaci detekce.
4.1.4 Použití dat z pulzmetrů při detekci
Data z pulzmetrů mohou být použita pro zvýšení přesnosti detekce. Úvaha je taková, že pokud je detekován falešných poplach, mohla by být využita informace o spotřebě energií pro danou lokaci. A to tak, že nízká spotřeba může indikovat, že se nejedná o falešný poplach, jelikož v domě či bytě právě nikdo není. Opačně tomu bude v případě vysoké spotřeby.
Data z pulzmetrů poskytují informaci o součtech pulzů v čase, přičemž čím více pulzů, tím více bylo spotřebováno energie. Ačkoliv nelze exaktně určit aktuální spotřebu například v kWh, je možné vypočítat růst součtu pulzů a to následujícím vztahem: r1 = s1−s0, kde s1 je součet pulzů v bodě 1 a s0 součet v bodě předchozím, přičemž platí s1 ≥ s0. Pak r1 je nárůst v bodě 1.
Obrázek 4.3: Vývoj růstu součtů pulzů stejných dat jako v grafu 3.2.
4.2 Hledání vzorů v chování uživatele
4.2.1 Popis problému
U systémů pro chytrou domácnost je možné velmi často pozorovat, že uživatel systém ovládá pravidelně a podobně každý den. Může se například jednat o rodinný dům, kdy uživatel pravidelně odjíždí před 8. hodinou ranní do práce. Takový uživatel kromě zajištění objektu může například stahovat rolety a otevírat garážová vrata.
Uživatelské návyky se mohou zároveň lišit i v závislosti na ročním období, kdy například v zimě spolu se zajištěním objektu dojde i k vypnutí vytápění. Pokud je možné najít v chování uživatele takový vzor, může mu být nabídnuta automatizace, která zefektivní jeho práci se systémem.
V rámci této analýzy je zapotřebí odhalit pravidelnost v chování uživatele a iden-
odchylky v posloupnostech úkonů. Zároveň, vzhledem k velkému objemu dat je zapo- třebí, aby bylo možné efektivně odlišit data, která jsou pro analýzu na první pohled nevhodná – nejsou pravidelná.
4.2.2 Navržené řešení
Navržené řešení spočívá v převedení jednotlivých událostí na dvourozměrné vektory, rozdělení událostí do sekvencí a určení podobnosti sekvencí. V této sekci je celý proces popsán.
Příprava dat
V první fázi analýzy je zapotřebí připravit vstupní data pro pozdější výpočty. Vstup- ní data jsou popsána v sekci3.2.2. Jednotlivé kroky přípravy lze popsat následujícím diagramem:
Výběr informací Sjednocení událostí typu zajištění Vytvoření číselníku typu události a sekce
Obrázek 4.4: Diagram procesu přípravy dat pro analýzu chování uživatele
Výběr informací - Ze vstupních dat jsou pro analýzu zapotřebí zejména následu- jící informace (ostatní je možné pro analýzu zanedbat):
• Time
• Section
• Action
• Sender
Sjednocení událostí typu zajištění - Ačkoliv se v datech vyskystuje více typů událostí představujících zabezpečení (popsáno v sekci 3.2), z pohledu analýzy má význam rozlišovat pouze jeden typ zajištění/odjištění, a tak dojde v tomto kroku k jejich sloučení na jednotný typ Armed/Disarmed.
Vytvoření číselníku typu události a sekce - Pro další výpočty je potřeba vy- tvořit číselník kombinace hodnot Section a Action. Číselné hodnoty se při- dělují tak, že pokud nabývá atribut Action hodnoty Armed, pak má rezer- vovanou hodnotu 1, ostatní hodnoty i, kde i ∈ N − {1}.
Proces přípravy dat lze demonstrovat následujícím příkladem:
Location Action Time Sender SenderRole Section
Location1 PgOff 2019-03-18 07:32:01 User1 User Vytápění Location1 PgOff 2019-03-18 07:32:03 User1 User Vytápění Location1 PgOn 2019-03-18 07:32:05 User1 User Rolety venku Location1 ArmedRemotelly 2019-03-18 07:38:05 User1 User Dům
Location1 PgOn 2019-03-18 07:38:07 User1 User Vrata
Tabulka 4.1: Názorný vzorek vstupních dat pro analýzu chování uživatele
Data, která prošla popsanou přípravou:
Time Action Section Sender action_section_number 2019-03-18 07:32:01 PgOff Vytápění User1 2
2019-03-18 07:32:03 PgOff Vytápění User1 2 2019-03-18 07:32:05 PgOn Rolety venku User1 3
2019-03-18 07:38:05 Armed Dům User1 1
2019-03-18 07:38:07 PgOn Vrata User1 4
Tabulka 4.2: Připravený vzorek dat pro analýzu chování uživatele
Hledání sekvencí událostí
Pokud jsou vstupní data připravená, je třeba ještě před samotnou analýzou efektiv- ně rozhodnout, zda jsou data pro analýzu vhodná. K tomu je použita autokorelační funkce. Vstupem je dopočtený atribut action_section_number. Touto metodou lze zjistit, zdali se nachází v datech pravidelnost, nicméně není zohledněný čas, ve kte-
0 5 10 15 20
−0.20.20.61.0
Lag
ACF
ACF
Obrázek 4.5: Autokorelační funkce atributu action_section_number. Jedná se o úsek dat jednoho týdne v březnu 2019 konkrétní lokace.
Dále je možné vhodným způsobem vizualizovat data a určit pravidelnost událostí.
K tomu lze vyžít metoduplot_events_time_line_around_armed, která je součástí balíčku alarma=nalysis.
0 10 20 30 40
Mon 03/18 23:00 Wed 03/20 23:00 Fri 03/22 23:00 Sun 03/24 23:00
Time
action_section_number
action_section
Armed Location PgOff PG výstup 10 PgOff PG výstup 11 PgOff PG výstup 12 PgOff PG výstup 13 PgOff PG výstup 14 PgOff PG výstup 15 PgOff PG výstup 16 PgOff PG výstup 5 PgOff PG výstup 6 PgOff PG výstup 7 PgOff PG výstup 8 PgOff PG výstup 9
PgOn PG výstup 10 PgOn PG výstup 11 PgOn PG výstup 12 PgOn PG výstup 13 PgOn PG výstup 14 PgOn PG výstup 15 PgOn PG výstup 16 PgOn PG výstup 5 PgOn PG výstup 6 PgOn PG výstup 7 PgOn PG výstup 8 PgOn PG výstup 9
Obrázek 4.6: Vizualizace událostí metodou plot_events_time_line_around_armed.
Použita byla stejná data jako v případě autokorelační funkce (viz obrázek 4.5). Na ose x se nachází čas a na ose y hodnota action_section_number. Díky tomuto grafu je možné pozorovat určitou pravidelnost událostí konaných v čase pro lokaci.
Z grafu je patrné, že jednotlivé události tvoří skupiny. Skupiny jsou tvořeny sekvencí událostí a velmi často obsahují událost zajištění lokace. Jedná se o vlastnost dat, která není specifická pouze pro tuto lokaci, ale je možné ji pozorovat u mnoho lokací.
Vlastnost vyplývá z velmi častého případu užití systému pro chytrou domácnost, kdy uživatel odchází z domu, který zajistí a provede další navázané úkony, jako například vypnutí vytápění, stažení rolet apod. Analogicky to lze pozorovat i naopak při odjištění objektu.
Této vlastnosti bylo využito při analýze chování uživatele, a to tak, že jsou v čase nalezeny události zajištění (odjištění), pak události, které jsou v intervalu
Čas Zajištění/Odjištění
Událost 3
t0 t1
Událost 1 Událost 2
Sekvence
Obrázek 4.7: Rozdělení událostí do sekvencí. Vstupními parametry jsou t0 a t1.
Podobnost sekvencí
Na sekvence událostí lze nahlížet jako na n-rozměrné vektory. K výpočtu jejich po- dobnosti, respektive vzdáleností je použita implementace Manhattanské metriky.
Protože v některých případech nehraje pořadí jednotlivých událostí roli, např. v mo- mentě kdy uživatel před zajištěním objektu vypne vytápění a stáhne rolety, lze výpočet vzdáleností ovlivnit tak, že se ignoruje pořadí jednotlivých událostí.
Nelze očekávat, že uživatel bude ovládat systém vždy naprosto stejně, ale přesto ho může používat v rutinách. Analýza musí tedy zohlednit danou toleranci v od- chylkách sekvencí a nahlížet na sekvence jako sobě podobné. Vzdálenosti sekvencí jsou popsány maticí A = (ai,j), kde i a j jsou sekvence. Dvě sekvence m a n jsou považovány za podobné pokud platí:
max(A)· α ≥ am,n (4.3)
kde α je tolerance v procentech. Následně dojde k sloučení podobných sekvencí a výpočet četností výskytu, která je použita pro návrh automatizace.
Sekvence 1 2 3 5 6 8 9 11 12 13 15 16 18 20 21 23 25
1 0
2 32 0
3 1 31 0
5 31 1 32 0
6 1 31 0 32 0
8 31 1 32 0 32 0
9 1 31 0 32 0 32 0
11 173 153 172 154 172 154 172 0
12 62 40 61 41 61 41 61 113 0
13 1 31 0 32 0 32 0 172 61 0
15 173 153 172 154 172 154 172 0 113 172 0
16 62 40 61 41 61 41 61 113 0 61 113 0
18 0 32 1 31 1 31 1 173 62 1 173 62 0
20 173 153 172 154 172 154 172 0 113 172 0 113 173 0 21 62 40 61 41 61 41 61 113 0 61 113 0 62 113 0
23 0 32 1 31 1 31 1 173 62 1 173 62 0 173 62 0
25 31 1 32 0 32 0 32 154 41 32 154 41 31 154 41 31 0
Tabulka 4.3: Matice vzdáleností Manhattanské metriky, kde hodnota 0 značí abso- lutní shodu sekvencí a čím větší číslo, tím méně jsou si sekvence podobné.
4.2.3 Vyhodnocení
Navržený algoritmus pro hledání vzorů v chování uživatele lze popsat následujícím diagramem:
Příprava dat Rozdělení událostí
do sekvencí Výpočet
Manhattanské metriky Párování podobných
sekvencí Návrh automatizace
Obrázek 4.8: Diagram procesu navrženého algoritmu pro hledání vzorů v chování uživatele.
Výstupem tohoto algoritmu je seznam navržených automatizací. Například pro vstupní data popsaná grafem 4.6 a vstupními parametry t0 = 20min, t1 = 5min, α = 0.15 a zanedbáním pořadí událostí byla navržena následující automatizace:
Události Počet výskytů Poměr výskytů PgOn PG výstup 10,PgOn PG výstup 14,Armed Location,
PgOn PG výstup 6,PgOff PG výstup 10,PgOff PG výstup 14, PgOff PG výstup 6,PgOff PG výstup 13,PgOff PG výstup 9, PgOff PG výstup 5,PgOn PG výstup 13,PgOn PG výstup 9, PgOn PG výstup 5
10 0.5882353
Tabulka 4.4: Navržená automatizace pro data z grafu 4.6.
Hlavním z případů užití algoritmu je, kdy jej budou využívat samotní uživatelé, kterým bude algoritmus navrhovat možné automatizace na základě používání, a tak jim ulehčit práci se systémem. Dále může výsledky použít přímo Jablotron, který pomocí analýzy toho, jak uživatel systém používá, může navrhovat zlepšení systému.
Jelikož výsledkem algoritmu je pouze návrh automatizace, je potřeba pro určení efektivity nasbírat nejprve informace o tom, kolik z navržených automatizacích bylo skutečně použito uživatelem.
5 R balíček alarmanalysis
Pro implementaci analýz popsaných výše byl použit jazyk R [12] a to především z důvodu jeho síly v oblasti statistických výpočtů. Součást praktické části této di- plomové práce je R balíček, jenž je pojmenován alarmanalysis a obsahuje kromě implementace analýz i nástroje pro anonymizaci a přípravu dat. V následujících sek- cích bude popsána standardizovaná struktura balíčku a zdokumentovány jednotlivé funkcionality balíčku.
5.1 Instalace
Pro instalaci a použití balíčku je zapotřebí instalace jazyka R. Balíček se nachází v GitHub repositáři [13] a klonovat jej lze příkazem:
$ g i t c l o n e g i t @ g i t h u b . com : v l n e v y h o s t e n y / a l a r m a n a l y s i s . g i t
$ cd a l a r m a n a l y s i s / a l a r m a n a l y s i s
Nejjednodušší je instalace otevřením souborualarmanalysis.Rprojv RStudiu [14], což je IDE pro vývoj v jazyce R. RStudio automaticky instaluje všechny potřebné závislosti. Alternativní postup instalace balíčku bez RStudia je popsán v souboru README.md.
5.2 Struktura balíčku
Balíček AlarmAnalysis má následující strukturu:
alarmanalysis
alarmanalysis.Rproj DESCRIPTION
man
〈function_name〉.Rd ...
NAMESPACE packrat
packrat.lock ...
R
2dim_analysis_data_preparation.R anonymization_functions.R
dataframe_anonymization.R events_habits_detection.R events_plots.R
events_time_line_plots.R fake_alarm_detection.R pulsmeters_calculations.R utils.R
tests
testthat
test_〈file_name〉.R ...
testdata ...
5.3 Metadata balíčku
SouborDESCRIPTIONudržuje důležité informace o balíčku jako takovém. Je zde na- příklad uvedena verze balíčku, informace o autorovi nebo definice závislostí, tedy další R balíčky. Pro správu závislostí balíčku je použit nástroj Packrat [15]. Izolo- vané závislosti jsou umístěny v adresářipackrat. Důležitý je pak především soubor packrat.lock, který uchovává obraz závislostí a jejich verzí.
5.4 Dokumentace balíčku
Jelikož jazyk R nemá typovou kontrolu, je dokumentace nezbytně nutná pro vy- tváření kvalitního kódu. Pro vytvoření dokumentace balíčku byl použit nástroj Ro- xygen2 [16]. Dokumentace je tvořena anotací nad každou funkcí. Kromě popisu vstupů a výstupů funkce se dále dokumentují i závislosti nutné pro chod funkce, popis funkce a příklady použití. Z anotace se generují Rd soubory, které jsou umís- těny v adresářiman. Pro každou funkci existuje jeden soubor. Prohlížet dokumentaci konkrétní funkce lze následovně:
? prepare_data_for_2dim_analysis_armed
Z Rd souborů je možné generovat dokumentaci do dalších formátů, jako například PDF dokumentaci celého balíčku.
5.5 Testování balíčku
Balíček obsahuje soubor unit testů pro vybrané funkce balíčku. Pro testování byl použit nástroj testthat [17]. Testy jsou umístěny v adresáři tests/testthat a je možné je spustit interaktivně v RStudio pomocí Cmd/Ctrl + Shift + T, případně příkazem:
d e v t o o l s : : t e s t ( )
5.6 Funkční prvky balíčku
Zdrojový kód balíčku je umístěn dle konvencí ve složceR. Jednotlivé funkce balíčku jsou rozděleny do souborů tak, jak spolu souvisí. Podrobná technická specifikace funkcí včetně příkladů použití se nachází v příloha A. Zde jsou uvedeny pouze zá- kladní vlastnosti funkcí.
5.6.1 Anonymizace dat
Balíček obsahuje několik funkcí pro anonymizaci vstupních dat. Do první pomysl- né skupiny patří funkce, nacházející se v souboruR/anonymization_functions.R, které anonymizují vektor:
hash_anonymization - převádí hodnoty na hash pomocí zvoleného algoritmu random_integer_anonymization - převádí hodnoty na náhodné hodnoty typu in-
teger
random_person_anonymization - převádí hodnoty na náhodná lidská jména. Vy- užívá databáze balíčku generator [9].
random_location_anonymization - převádí hodnoty na náhodné adresy. Využívá databáze balíčku randNames [10].
Pro anonymizaci celého data.framu1 slouží funkce dataframe_anonymization, která je umístěna v souboruR/dataframe_anonymization.R. Kromě dat má funkce na vstupu anonymizační parametry, které jsou tvořeny funkcemi pro anonymizaci vektorů popsané výše. Pomocí funkce zároveň lze přejmenovat sloupce.
5.6.2 Detekce falešných poplachů
Funkce pro detekci falešných poplachů (viz sekce 4.1) se nachází v soubo- ru R/fake_alarm_detection.R. Vstupem jsou data ve struktuře data.frame,
1data.frame je struktura v jazyce R, která má podobu tabulky. Hodí se pro data z relačních databází, CSV souborů apod. Sloupce jsou tvořeny vektory.
jenž musí obsahovat sloupce Action, Location a Time. Druhým vstupem je time_span_in_seconds s výchozí hodnotou 30. Výstupem funkce je jmenný se- znam, který obsahuje vektoryfake_alerts a true_alerts, přičemž fake_alerts obsahuje ukazatele na události, které jsou detekovány jako falešný poplach. Analo- gickytrue_alerts jako poplachy, které falešné nejsou. Ukazatelem je index řádku příslušné události ve vstupních datech. Příklad výstupu:
> a l a r m a n a l y s i s : : detect_fake_alarm ( data )
$ f a k e _ a l e r t s
[ 1 ] 83 610 1229 1645
$ t r u e _ a l e r t s
[ 1 ] 102 618 619 747
5.6.3 Hledání vzorů v chování uživatele
Funkce pro hledání vzorů v chování uživatele (viz sekce4.2) jsou rozděleny do něko- lika souborů. V souboru R/2dim_analysis_data_preparation.R jsou funkce pro přípravu dat. Protože analýza hledá návyky uživatele navázané na události zajiš- tění či odjištění lokace (v kódu označován jako base - nultý bod) je příprava dat rozdělena na následující dvě funkce:
prepare_data_for_2dim_analysis_armed - připravuje data pro následnou analý- zu událostí navázaných na událost zajištění. Vstupní data mají strukturu da- ta.frame a musí mít následující sloupce: Action, Location, Time a Secti- on. Výstupem funkce je data.frame upravených dat. Funkce využívá balíčky scales [18] a dplyr [19].
prepare_data_for_2dim_analysis_disarmed - stejně připravuje data pro analý- zu událostí navázaných na událost odjištění.
Soubor R/events_habits_detection.R obsahuje několik funkcí používaných pro
find_seq_around_base - funkce, která rozděluje události v časové řadě do sekvencí. Na vstupu jsou kromě dat také parametry t_before_minutes a t_after_minutes, kterými se definuje interval od nultého bodu. Výstupem funkce je data.frame doplněný o číselný sloupecseq. Funkce používá balíček flifo [20].
get_similarity_matrix - funkce pro výpočet matice vzdáleností. Vstupem jsou data rozdělená do sekvencí a výstupem je matice o rozměrech n× n, kde n je počet sekvencí.
get_sequence_occurrence - určuje počet výskytů sekvencí. Vstupem je matice vzdáleností a procentuální tolerance odlišnosti sekvencí toleration. Výstu- pem je data.frame sekvencí doplněný o počet výskytů.
get_habits - využívá všech tří předešlých funkcí a navrhuje automatizace pro uži- vatele. Vstupem jsou připravená data a všechny parametry výše popsaných funkcí. Výstupem je data.frame s návrhy automatizací.
6 Závěr
Práce byla zaměřena na analýzu dat generovaných systémy pro zabezpečení a chytrou domácnost společnosti Jablotron. Měla zmapovat, jaká data systém po- skytuje, a jaké informace lze z nich pomocí analýz získat. Takto získané informace mají vést k lepšímu pochopení, jak uživatel systém používá, a také mají pomoct samotnému uživateli.
V první fázi práce bylo mým úkolem seznámit se s architekturou systému JABLOTRON 100 a s daty, které poskytuje. To byl zároveň první cíl práce.
Bylo nutné zjistit, jaké komponenty systém nabízí, a jaké jsou jeho vnitřní procesy.
Velkou výzvou bylo zorientovat se ve struktuře dat samotných a zároveň odhadnout, jaké informace mohou poskytovat, při tak velkém objemu.
Před samotným analyzováním dat bylo také zapotřebí data anonymizovat. Musel jsem se tedy seznámit s metodami anonymizace dat a také nastudovat problematiku osobních údajů. Musel jsem prohloubit svoje znalosti nařízení GDPR, v čemž vidím pro mě velký přínos. Po výběru vhodných metod jsem vytvořil vlastní implementaci.
Druhým cílem práce bylo navrhnout možné analýzy dat. Tou první je detekce falešných poplachů. Určitou překážkou byla absence učících dat, tedy takových dat, ve kterých by byly falešné poplachy identifikované. Navržená detekce je tedy zalo- žena na vypozorovaných vlastnostech dat a také normě ČSN EN 50518-2 [11] pro dohledová a poplachová přijímací centra. Detekce může pomoct především s odha- lením komponent, které často vyvolávají falešné poplachy, což může být důsledkem například špatné montáže komponenty. Dále je také navržená interakce systému s uživatelem, kdy by po odvolání poplachu uživatel určil, zdali se jednalo o falešný
a její další optimalizaci. Zároveň by bylo možné využít některých z metod strojového učení, a tak detekci ještě více zpřesnit.
Další navrženou metodou je hledání vzorů v chování uživatele a následný návrh automatizace. Metoda rozděluje jednotlivé činnosti uživatele do sekvencí a následně porovnává podobnosti jednotlivých sekvencí. Podobné sekvence s častým výskytem, jsou navržené jako případná automatizace. Metoda může pomoct k lepšímu pocho- pení, jak uživatel systém používá, ale především pomůže samotnému uživateli.
Dále byla také navržena metoda, jak získat z dat naměřených pomocí pulzmetrů, informace o aktuální spotřebě energií (elektrická energie aj.) v systému. Informace o spotřebě může pomoct například při detekci falešných poplachů.
Popsané metody jsou implementovány v jazyce R a jsou součástí vytvořeného balíčku alarmanalysis. Rovněž byla vytvořena technická specifikace balíčku, která se nachází v příloze práce a uvnitř balíčku. Na přiloženém CD-ROM se nachází zdrojový kód balíčku, a také sada testovacích dat.
Logický krok, jak navázat na práci je integrovat navrhované metody do systé- mu pro chytrou domácnost. Výpočty samotné by bylo možné integrovat do cloudu.
Ovládat výpočty by bylo možné realizovat mobilní aplikací. Balíček tak může sloužit, jako předloha k integraci metod do systému.
Literatura
[1] Jablotron Group [online]. 2020 [cit. 2020-02-24]. Dostupné z:
https://jablotrongroup.com/index
[2] JABLOTRON ALARMS a.s. [online]. 2020 [cit. 2020-02-24]. Dostupné z:
https://www.jablotron.com/cz/
[3] JABLOTRON CLOUD Services s.r.o. [online]. 2020 [cit. 2020-02-24]. Dostupné z: https://www.jablotron.cloud
[4] NAŘÍZENÍ EVROPSKÉHO PARLAMENTU A RADY (EU) 2016/679:
o ochraně fyzických osob v souvislosti se zpracováním osobních údajů a o volném pohybu těchto údajů a o zrušení směrnice 95/46/ES (obecné nařízení o ochraně osobních údajů). In: . 2016, ročník 2016, 2016/679.
Dostupné také z: https://eur-lex.europa.eu/legal-
-content/CS/TXT/HTML/?uri=CELEX:32016R0679&from=EN
#d1e2233-1-1
[5] Stanovisko č. 5/2014 k technikám anonymizace. European Commission: Data protection [online]. 2014, 10. dubna 2014 [cit. 2020-02-24]. Dostupné z:
https://ec.europa.eu/justice/article-29/documentation/opinion- -recommendation/files/2014/wp216_cs.pdf
[6] ARX Data Anonymization Tool [online]. 2020 [cit. 2020-02-24]. Dostupné z:
https://arx.deidentifier.org
[7] SdcMicro [online]. 2020 [cit. 2020-02-24]. Dostupné z:
[8] Mockaroo: Random Data Generator and API [online]. 2020 [cit. 2020-02-25].
Dostupné z: https://mockaroo.com
[9] Package ’randNames’. CRAN [online]. 2016 [cit. 2020-02-25]. Dostupné z:
https://cran.r-project.org/web/packages/randNames/index.html
[10] Package ’generator’. CRAN [online]. 2015 [cit. 2020-02-25]. Dostupné z:
https://cran.r-project.org/web/packages/generator/index.html
[11] ČSN EN 50518-2. Dohledová a poplachová přijímací centra: Část 2: Technické požadavky. 2. Česká republika: Asociace technických bezpečnostních služeb Grémium Alarm, o. s., 2014.
[12] R-Project. The R Project for Statistical Computing [online]. Auckland: The R Foundation, 1997 [cit. 2020-05-02]. Dostupné z: https://www.r-project.org [13] NEVYHOŠTĚNÝ, Vladimír. Alarmanalysis [online]. GitHub, 2020 [cit.
2020-05-17]. Dostupné z: https://github.com/vlnevyhosteny/alarmanalysis [14] RStudio [online]. 2016 [cit. 2016-05-07]. Dostupné z: https://www.rstudio.com [15] Packrat: Packrat is a dependency management system for R [online]. 2018 [cit.
2020-05-17]. Dostupné z: https://github.com/rstudio/packrat/
[16] Roxygen2: Generate your Rd documentation [online]. 2020 [cit. 2020-05-17].
Dostupné z: https://github.com/r-lib/roxygen2 [17] Testthat [online]. 2020 [cit. 2020-05-17]. Dostupné z:
https://github.com/r-lib/testthat/
[18] Package ’scales’ [online]. CRAN, 2020 [cit. 2020-05-18]. Dostupné z:
https://cran.r-project.org/package=scales
[19] Package ’dplyr’ [online]. CRAN, 2020 [cit. 2020-05-18]. Dostupné z:
https://cran.r-project.org/package=dplyr
[20] Package ’flifo’ [online]. CRAN, 2018 [cit. 2020-05-18]. Dostupné z:
https://cran.r-project.org/package=flifo
[21] SILVER, Nate. The signal and the noise: why so many predictions fail--but some don’t. New York: Penguin Press, 2012. ISBN 978-159-4204-111.
[22] GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. 1. Cambridge, Massachusetts: The MIT Press, [2016]. ISBN 978-026-2035-613.
Příloha A - Technická specifikace balíčku alar-
manalysis
Package ‘alarmanalysis’
May 20, 2020
Type Package
Title Analysing data produced by physical alarms Version 0.0.1
Description Analysing data produced by physical alarms.
License MIT Encoding UTF-8 Imports digest,
generator, randNames, graphics, utils, lubridate, dplyr, ggplot2, scales, flifo, matlib Suggests knitr,
roxygen2, testthat, devtools, LazyData true RoxygenNote 7.1.0
R topics documented:
add_to_date . . . . 2
calculate_grow_of_point . . . . 3
calculate_point_on_line_given_by_points . . . . 3
calculate_pulses_grow . . . . 4
convert_column_to_POSIXct . . . . 4
dataframe_anonymization . . . . 5
dataframe_anonymize_param . . . . 6
detect_fake_alarm . . . . 6
find_seq_around_base . . . . 7
get_each_day_between_hours . . . . 8
get_habits . . . . 8
2 add_to_date
get_sequence_occurrence . . . . 9
get_similarity_matrix . . . . 10
hash_anonymization . . . . 11
merge_csv_files_in_folder . . . . 11
modus . . . . 12
nop_anonymization . . . . 12
order_data_fram_by_column . . . . 13
plot_events_freq_histogram_by_hour . . . . 14
plot_events_time_line_around_base . . . . 14
prepare_data_for_2dim_analysis_armed . . . . 15
prepare_data_for_2dim_analysis_disarmed . . . . 16
random_integer_anonymization . . . . 17
random_location_anonymization . . . . 18
random_person_anonymization . . . . 18
read_data . . . . 19
Index 20
add_to_date Add given values to POSIXct date.
Description
Add given values to POSIXct date.
Usage
add_to_date(date, days = 0, hours = 0, minutes = 0)
Arguments
date given date
days to be added
hours to be added
minutes to be added
Value
date with added values
Examples
## Not run:
alarmanalysis::add_to_date(date, days = 2, hours = 3, minutes = 1)
## End(Not run)
